CIFAR-10 数据集图像加载与可视化 Python 代码示例

以下代码使用 Python 加载 CIFAR-10 数据集中的图像数据，并将其可视化。

model = pickle.load(f, encoding='bytes')
#print(model)

imges_batch = np.array(model['data'])
images = imges_batch.reshape([-1, 3, 96, 96])

imgs = images[0, :, :, :].reshape([3, 96, 96])
img = np.stack((imgs[0, :, :], imgs[1, :, :], imgs[2, :, :]), 2)
plt.imshow(img)
plt.show()

代码解释：

• model = pickle.load(f, encoding='bytes')：使用 pickle 库的 load 函数从文件中加载模型数据，并将其存储在变量 model 中。
• imges_batch = np.array(model['data'])：从 model 中获取图像数据，并将其存储在变量 imges_batch 中。
• images = imges_batch.reshape([-1, 3, 96, 96])：将 imges_batch 中的图像数据 reshape 成 [-1, 3, 96, 96] 的形状，其中 -1 表示自动计算该维度大小。
• imgs = images[0, :, :, :].reshape([3, 96, 96])：从 images 中获取第一张图像，并将其 reshape 成 [3, 96, 96] 的形状。
• img = np.stack((imgs[0, :, :], imgs[1, :, :], imgs[2, :, :]), 2)：将三个通道的图像数据合并成一张 RGB 图像。
• plt.imshow(img)：使用 matplotlib 库的 imshow 函数显示图像。
• plt.show()：显示图像。

注意事项：

• 此代码示例假设你已经拥有 CIFAR-10 数据集文件。
• 你需要安装 pickle、numpy 和 matplotlib 库。
• 可以根据需要修改代码，例如加载不同的图像或使用不同的可视化方法。